文献类型：期刊文章

作　　者：张光建[1,2] 朱婵[1,2]

ZHANG Guang-Jian;ZHU Chan(Department of Fundamental Subjects,Sichuan College of Architectural Technology,Deyang 618000,China;Institute of Intelligent Computing,Sichuan College of Architectural Technology,Deyang 618000,China)

机构地区：[1]四川建筑职业技术学院基础部,德阳618000 [2]四川建筑职业技术学院智能计算研究所,德阳618000

出　　处：《计算机系统应用》

基　　金：四川德阳市科技支撑项目(2017ZZ058);四川建院科研资助项目(2017KJ11)

年　　份：2020

卷　　号：29

期　　号：11

起止页码：271-275

语　　种：中文

收录情况：IC、ZGKJHX、普通刊

摘　　要：塑料手机外壳出厂合格检测时,使用传统的人工辨别外观缺陷,费时费力.利用深度学习的卷积神经网络模型训练一个分类器,实现手机外壳外观出现的划痕缺陷自动化检测,可以极大的提高工作效率.实验首先建立基本的卷积神经网络模型,训练模型获得识别基线,再设计修改逐步提高检测准确率.为了解决小数据集训练中的模型过拟合和提高检测精度,综合使用了丢弃层、数据增强技术和批量标准化,减少参数量,并应用迁移学习等方法.实验结果证明,分类器模型能有效提升准确率,在小数据集上达到非常好的划痕缺陷识别效果.

关 键 词：划痕缺陷  卷积神经网络 深度学习  迁移学习  小样本学习  

分 类 号：TQ320.7] TP183]